基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

Wind Speed Prediction by a Hybrid Model Based on Wavelet Transform Technique

It is difficult to predict wind speed series accurately due to the instability and randomness of the wind speed series. In order to predict wind speed, authors propose a hybrid model which combines the wavelet transform technique(WTT), the exponential smoothing(ES) method and the back propagation neural network(BPNN), and is termed as WTT-ES-BPNN. Firstly, WTT is applied to the raw wind speed series for removing the useless information. Secondly, the hybrid model integrating the ES method and the BPNN is used to forecast the de-noising data. Finally, the prediction of raw wind speed series is caught. Real data sets of daily mean wind speed in Hebei Province are used to evaluate the forecasting accuracy of the proposed model. Numerical results indicate that the WTT-ES-BPNN is an effective way to improve the accuracy of wind speed prediction.     

KNN算法及其在月电量预测中的应用

目前对用电量的预测方法很多,本文利用数据间的相关性,应用改进的KNN分类算法,提出了基于KNN分类算法的月用电量模型,并进行试验预测．预测结果表明此方法简单、有效．     

应用组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具.根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤.     

基于改进果蝇的混合小波神经网络交通流预测

为了提高交通流预测精度,提出了一种基于果蝇算法的混合小波神经网络模型.首先,选择果蝇优化算法对小波神经网络的初始参数进行调节,解决了小波神经网络预测对初始参数敏感的问题.其次,将迭代次数和当前解的情况作为搜索半径和种群规模的动态调整因子,对果蝇算法进行了改进,提高了果蝇算法的全局寻优能力和局部收敛速度.最后,鉴于小波神经网络预测误差存在一定的规律性,使用误差补偿法将调参后的小波神经网络与其他模型进行组合,进行二次误差提取.实验证明,所有混合模型均提高了交通流预测的准确度,其中,与随机森林模型的结合预测精度最高.     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.     

辽宁省能源消费的因素分解——基于完全分解模型

在描述辽宁省经济增长、经济结构、能源消费量和能源密度的基础上,运用无残差的完全分解模型进行量化分析,分解出经济增长、结构和能源密度等因素对能源消费变动的影响效果,得出相应的影响效果系数,并通过与全国平均水平比较,找出辽宁省能源消费变动的特征与分阶段各因素的具体影响效果,为辽宁等老工业基地制定能源政策,提高能源利用效率提供科学的依据.     

ARIMA模型结合小波去噪的贵阳城市交通流预测

由于交通流量具有非线性和强干扰性的特征,在不同的时频域空间具有不同的特性;本文首先应用小波分析的方法,将含有综合信息的一组原始交通流信号分解为多组特征不同的时间序列信号,再利用ARIMA模型良好的线性拟合能力,将经过小波分析的时间信号通过ARIMA模型进行处理.利用Matlab和SPSS,对实测交通流数据进行了验证分析...     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

基于神经网络组合模型的能源消费量预测研究

为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991～2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况.     

基于消费形态条件下的电力运营定价模型

提出在电力运营部门定价过程中,首要的问题是选择指定的用户类型及用户消费形态,并且在自选择约束条件下达到福利优化的目的．运用计量经济学的方法建立了电力运营定价模型,在模型中,通过确定用户目标函数对电力运营部门的供给状况、福利最大化问题、需求函数原则和有效的电价条件进行了分析,并就如何确定正常的消费形态和相应的电力价格以及自选择约束条件进行了实证分析．结果表明,在基于消费形态的定价模型中,问题的关键是价格形态应同时对不同用户群达到有效、可行和公平的目的     

基于两级分解和GRU-AT网络的短时交通流预测模型

为提升城市道路短时交通流预测准确性,提出了一种基于小波分解(wavelet decomposition,WD)、变分模态分解(variational mode decomposition,VMD)和融合注意力机制(attention ,AT)的门控循环单元(gated recurrent units,GRU)网络的短时交通流预测模型。首先采用WD算法将原始交通流数据分解重构成低频分量和高频分量;然后将各高频分量累加,利用VMD算法将其分解为多个本征模态函数(intrinsic mode functions,IMF)分量;最后通过建立GRU-AT模型,提高模型对交通流重要特征信息提取的能力,分别预测算法分解后的交通流分量,将各个分量预测的最优结果进行聚合后获得最终的交通流预测结果。以国内外道路交通流数据为基础进行实例验证,结果表明,WD+VMD+GRU-AT模型的均方误差的平方根、平均绝对误差均小于长短时记忆(long short-term memory,LSTM)网络模型、 GRU、WD+GRU、WD+VMD+GRU,提高了短时交通流预测结果的准确度和稳定性。     

基于ARIMA模型的全国能源消费的短期预测

目的:根据全国能源历史消费数据来预测未来能源消费,为科学制定能源规划及经济发展战略提供建议。方法:选取1953-2011年的全国能源消费总量数据,运用ARIMA(1,1,3)模型预测未来4年的能源消费量。结果:2012年至2015年的能源消费量依次为354948.40、371466.8、392505.06、413849.93(万吨标准煤)。结论:预测结果表明国家制定的能源消费总量控制目标比较合理。但是我国仍需要更多的措施来实现这一目标。     

基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析,提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度,并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析;对8个参数进行筛选,最终选4个参数作为模型变量,包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明：对比3种数据驱动模型,BPT-MLR模型的预测性能最优,其R²值达到了95.29%,比BP神经网络模型和多元线性回归模型的R²值分别高出0.04%和24.64%.     

基于GFI模型广东能源消费变动的因素分解分析

运用广东省1990-2009年能源消费的面板数据,采用广义费雪指数方法对广东能源消费的影响因素进行分解分析,探讨产业能源效率、产业结构、经济发展与人口发展等因素对广东能源消费变动的影响和作用。为了进一步剖析各因素对能源消费变动的影响效果,构建回归分析模型,研究表明：经济发展、人口发展与产业结构对广东能源消费增长起到推动作用,产业能源效率对广东能源消费增长起到抑制作用。     

Machinery Condition Prediction Based on Support Vector Machine Model with Wavelet Transform

Soft failure of mechanical equipment makes its performance drop gradually,which occupies a large proportion and has certain regularity. The performance can be evaluated and predicted through early state monitoring and data analysis. The vibration signal was modeled from the double row bearing,and wavelet transform and support vector machine model（ WT-SVM model） was constructed and trained for bearing degradation process prediction. Besides Hazen plotting position relationships was applied to describing the degradation trend distribution and a 95%confidence level based on t-distribution was given. The single SVM model and neural network（ NN） approach were also investigated as a comparison. Results indicate that the WT-SVM model outperforms the NN and single SVM models,and is feasible and effective in machinery condition prediction.     

基于混合模型的锂离子电池热失控预判方法

锂离子电池在储能系统中已得到普遍应用,但其会由于热失控而产生自燃、爆炸等引发安全事故,如何对储能锂离子电池热失控故障风险进行超前预测和判定是当前研究的热点问题。将电热物理模型与深度学习模型长短期记忆模型(LSTM)相结合,提出一种基于混合模型的储能锂离子电池热失控预判方法。通过收集电池运行数据,利用电池的电热耦合模型进行电池内部温度、荷电状态(SOC)的估算;同时,将电池表面温度、电池电压、电池电流等参数共同作为 LSTM 的输入,利用混合模型精确预测电池的表面温度和内部温度。通过阈值方法判定热失控的发生并确定诱发原因,从而实现对电池热失控的准确预测。基于公开数据集的实验结果表明,提出的混合模型进行热失控预判具有较好的精确性和快速性,在实际工程应用中有着较好的应用前景。     

基于改进灰色预测模型的电力需求预测研究

当建模序列具有随机振荡特征时灰色预测模型的模拟及预测精度较差,实际上序列越光滑模型的模拟精度就越高;本文通过改善建模序列的光滑性以提高灰色预测模型的模拟精度,研究了一种压缩随机振荡序列振幅的算法,推导了基于随机振荡序列的灰色预测模型^x(t)=Fβt-31-(-1)tE-T;最后应用该模型预测我国西部某城市的电力需求,并与其他灰色预测模型的模拟精度进行了比较(新模型的模拟精度为7%,其他模型的精度均为12%),表明新模型具有更好的模拟效果,研究成果对丰富与完善灰色预测理论体系,促进灰色模型与电力需求预测的对接,具有积极意义。     

基于小波变换的图像信号分解研究

本文通过对小波变换多分辨分析特性的介绍，讨论了基于小波基分解的滤波器组设计原理，给出了静止图像数据的树形分解的方法和分解结果，结果表明，树形分解后，可有效压缩数据动态范围，便于采用适当的量化方式，结合其它非线性编码，达到较高的压缩比。     

基于小波分析的盲源分离

提出一种新盲源（BSS）分离算法是在独立分量分析（ICA）算法中引入离散小波变换技术分解出有用信号．ICA是一种线性非高斯统计方法,不仅能够使研究对象相互独立或尽可能独立,而且能突出源信号的本质结构．笔者采用的新盲源算法能够将时-频ICA相结合,实现了较好的盲源分离．